CN102780536A - 一种信号强度预测方法 - Google Patents

Abstract

本发明涉及一种信号强度预测方法。该方法包括：确定本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的对应位置，所述信号强度采样序列上处于该对应位置之前的数据为历史路段数据，处于该对应位置之后的数据为未来路段数据，本网关节点即为所述信号强度信息的接收网关节点；对本网关节点与所述信号强度信息的来源网关节点的信号强度历史路段数据在地理位置上进行校准；获得本网关节点与所述信号强度信息的来源网关节点的信号强度采样数据的线性关系；根据所述线性关系，对本网关节点前方路段的信号强度进行预测。本发明有效提高了预测信号与实际信号的相关性，减少了预测信号与实际信号的平均绝对相对误差。

Description

一种信号强度预测方法

技术领域

本发明涉及无线传感器网络技术领域，尤其涉及一种信号强度预测方法。

背景技术

物流领域是无线传感器网络的重要应用领域。运输过程中，货物状态的实时监测是传感器网络重要的应用之一。在火车货物运输实时监测的应用中，每列货车由几十节车厢组成，每节车厢上部署一个网关节点和若干个传感器节点。传感器节点可以感知运输货物的温度、湿度、回潮率和烟雾等信息，并可以通过短距离无线通信协议发送给网关节点。网关节点一方面收集传感器节点的信息，另一方面需要将收集到的信息通过蜂窝网络发送到远程服务器，进行进一步的数据存储和实时分析处理。

蜂窝网由其高覆盖率、移动切换性好、低资费等特点成为目前移动接入的首选。但是蜂窝网络固有高功耗的特点，尤其在数据业务模式下，使得在列车货物运输监测中，使用电池供电的网关模块的能耗问题成为影响其性能的关键问题之一。

在蜂窝网络中，能量控制和信道编码都是必须要实现的功能，移动终端的发送功率及发送速率存在多个等级，其可以根据环境中测得的环境参数进行实时调整，例如接收电平信号等级等。其目的主要是降低移动终端的能耗、提高数据速率和减少设备间的干扰。而功率控制和传输速率的控制是与当前位置的信号强度相关的。因此，当在信号质量好的地方进行通信时，可以通过降低发送功率和提高发送速率，来降低每比特能耗。

在火车货物运输应用中，部署于火车车厢上的网关节点，正是经历着一个时变的信道，信道质量随着火车的运行呈现高低变化。因此可以通过控制数据包的发送时间，使数据包在信号质量好的地方进行发送，从而能够节省能量。因此，信道质量的预测对于能量的节省起到至关重要的作用。

由于蜂窝通信中，基站的位置相对固定，其参数也在一定的时间内保持不变，因此，信号强度呈现出很强的位置相关性。即，在同一个地理位置处，不同时间内测得的信号强度变化不大。可以利用信号强度在地理位置上的相关性，预先测量好所要经过地理位置的信号强度值进行数据包的发送调度。

针对这个基本思路已经有些研究：利用人活动的规律性，即每天行走的路线差别不大，现有工作基于蜂窝网络信号强度的空间相关性，预先测量道路的信号变化轨迹，在此后经过此路段时，利用历史信号强度轨迹，进行数据包发送时间和位置的调度。

但是，基于历史轨迹的方法并不适用于铁路货物运输的数据发送，一是因为火车运输线路较长，预先测量会增加额外的工作量；二是因为火车上装载的货物及货物运输的目的地不尽相同，在中间站点可能会进行列车车厢的重组操作，使得无法估计每个车厢的运输路线。

发明内容

本发明所要解决的技术问题是提供一种信号强度预测方法，提高预测信号与实际信号的相关性，减少预测信号与实际信号的平均绝对相对误差。

为解决上述技术问题,本发明提出了一种信号强度预测方法，应用于货运列车上网关节点的信号强度预测，包括：

确定本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的对应位置，所述信号强度采样序列上处于该对应位置之前的数据为历史路段数据，处于该对应位置之后的数据为未来路段数据，本网关节点即为所述信号强度信息的接收网关节点；

对本网关节点与所述信号强度信息的来源网关节点的信号强度历史路段数据在地理位置上进行校准；

获得本网关节点与所述信号强度信息的来源网关节点的信号强度采样数据的线性关系；

根据所述线性关系，对本网关节点前方路段的信号强度进行预测。

进一步地，上述信号强度预测方法还可具有以下特点，所述确定本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的对应位置包括：

本网关节点判断自己是否正处于基站切换过程，若是则寻找所述信号强度信息的来源网关节点的相对应的基站切换位置点，并将此基站切换位置点作为本网关节点当前位置的对应点，否则将上一个对应位置点进行前移操作，其中，基站切换的判断依据是基站号的变换，即当前时刻的基站号与前面时刻的基站号不同看做是一次基站切换。

进一步地，上述信号强度预测方法还可具有以下特点，所述对本网关节点与所述信号强度信息的来源网关节点的信号强度历史路段数据在地理位置上进行校准包括：

记本网关节点的信号强度历史路段数据所处的时间序列为M，所述信号强度信息的来源网关节点的信号强度历史路段数据所处的时间序列为N，序列M长、N的长度分别为m、n；

首先按照如下公式计算序列M中的每个元素到序列N中每个元素的距离，结果记录于矩阵D_m×n中；

d_i，j=(m_i-n_j)²

上式中，m_i是序列M中第i个元素，n_j是序列M中第j个采样点元素，d_i，j是m_i到n_j的距离。

然后构建累计距离矩阵Γ_m×n，累计距离矩阵Γ_m×n中下标为（i，j）的元素为从矩阵D_m×n中（1，1）位置到（i，j）位置的最短累计距离，根据矩阵Γ_m×n即可得出序列M和序列N中元素的对应关系。

进一步地，上述信号强度预测方法还可具有以下特点，所述获得本网关节点与所述信号强度信息的来源网关节点的信号强度采样数据的线性关系包括：

采用最小二乘法进行对校准后本网关节点与所述信号强度信息的来源网关节点的信号强度历史采样数据按照下面公式进行线性拟合，

y=X·β+ε

其中，X为信号强度信息的来源网关节点的历史路段数据，y为本网关节点的历史路段数据，X与y均为进行地理位置校准后的信号强度值，β为线性系数，ε为残差。

进一步地，上述信号强度预测方法还可具有以下特点，所述根据所述线性关系，对本网关节点前方路段的信号强度进行预测包括：

所述线性关系为y＝X·β+ε，将所述未来路段数据作为公式y＝X·β+ε中的自变量X，则因变量y即为本网关节点前方路段的预测信号强度。

本发明的信号强度预测方法可以有效的提高预测信号与实际信号的相关性，并有效减少了预测信号与实际信号的平均绝对相对误差。

附图说明

图1为本发明实施例中信号强度预测方法的流程图；

图2为使用带有滑动窗口的DTW算法进行校准的示意图；

图3为通过实验得到的信号强度预测结果与实际值平均绝对相对误差随预测时间变化统计误差值（5%，95%error bar）结果图；

图4为通过实验得到的信号强度预测结果与实际值相关性随预测时间变化统计误差值（5%，95%error bar）结果图；

图5为通过实验得到的使用直接数据不进行预测信号处理的预测结果与实际值平均绝对相对误差随预测时间变化统计误差值（5%，95%error bar）结果图；

图6为通过实验得到的使用直接数据不进行预测信号处理的预测结果与实际值平均绝对相对误差随预测时间变化统计误差值（5%，95%error bar）结果图。

具体实施方式

本发明的主要构思是：利用前后两个车厢上网关节点之间先后经过相同位置的应用特点，使用前面网关节点测量的信号强度来帮助后面网关节点进行信号强度的预测，目的是提高预测信号与实际信号的相关性ρ及平均绝对相对误差ω，其中，相关性公式为：

$\mathrm{\ρ}(M,N)=\frac{\underset{i}{\mathrm{\Σ}}(m_i-\stackrel{\‾}{m})(n_i-\stackrel{\‾}{n})}{\sqrt{\underset{i}{\mathrm{\Σ}}(m_i-\stackrel{\‾}{m})\underset{i}{\mathrm{\Σ}}(n_i-\stackrel{\‾}{n})}}$

平均绝对相对误差公式为：

$\mathrm{\ω}(M,N)=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|\frac{n_i-m_i}{n_i}\right|$

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

图1为本发明实施例中信号强度预测方法的流程图。图1所示的信号强度预测方法应用于货运列车上信号强度信息的接收网关节点的信号强度预测，如图1所示，该信号强度预测方法包括如下步骤：

步骤101，确定本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的对应位置，本网关节点即为信号强度信息的接收网关节点；

步骤101的主要目的是定位出本网关节点的当前位置对应于接收到的信号强度采样点，以区分相对于当前位置的历史数据和未来数据。

当本网关节点获得信号强度信息的来源网关节点发送来的信号强度采样序列时，首先需要确定该序列中的哪个采样点对应于本网关节点的当前位置，即将信号强度采样序列相对于本网关节点切分成两段，与本网关节点当前位置对应的信号强度采样点（即下文中提到的分界位置点）之后的数据称为未来路段数据，与本网关节点当前位置对应的信号强度采样点之前的数据称为历史路段数据。这里的前后是相对于采样位置来说的，假设有一采样点P，则在采样点P之前的采样点的采样时间早于采样点P的采样时间，在采样点P之后的采样点的采样时间晚于采样点P的采样时间。

具体地，可以根据基站切换信息确定本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的对应位置。如果本网关节点在当前位置进行基站切换，则寻找信号强度采样序列中进行基站切换的位置（根据切换的基站号进行判断，比如网关A从基站1切到了基站2，网关B也从基站1切到了基站2），并将此位置作为历史路段数据和未来路段数据的分界位置点,该位置点也即本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的位置。如果本网关节点在当前位置没有进行基站切换，则将上一个对应位置点进行简单的自增操作进行对应。由于匹配位置的操作是周期性进行的，因此可以利用前一次的匹配结果，同时往后移动一个采样点进行匹配即可。

由于列车一直在运行中，需要周期性地进行步骤101的过程，因此不会产生过大的误差，且在实际操作中，基站切换每隔10秒至30秒进行一次，因此不会产生累计误差。

步骤102，对本网关节点与信号强度信息的来源网关节点的历史路段数据在地理位置上进行校准；

历史路段数据是相对于步骤101得到的分界位置点来说的，前文已提到，分界位置点之前的采样数据称为历史路段数据。

步骤102的目的是将两个网关节点的采样点在地理位置上进行一个相近的对应，因为信号强度的相关性是基于地理位置的。步骤102使用带有滑动窗口的DTW算法（动态时间规整算法）来进行校准。

DTW是现有技术。两个网关的历史数据进行校准是指DTW算法中的两个采样曲线对应点的累计距离最小。M和N的对应关系就是DTW算法的输出结果，如M中第一个点对应N中的第二个点，M中第二个点对应N中的第三个点及第四个点等等。由于每个采样点对应着一个采样位置，因此M、N的对应关系实际上是对采样点在地理位置空间上的对齐。

参照图2，首先用的滑动窗口是DTW算法的一个参数，使用者可通过实际情况进行调整，在此使用的滑动窗口大小为20。对于网关节点B，t₀与t₁之间就是窗口大小，而其对应的网关节点A的起始采样点t₀’和终点采样点t₁’是通过步骤101得到的。步骤102的目的就是将网关节点B上的t₀到t₁之间与网关节点A上t₀’到t₁’之间的采样点得到一个对应关系。通过DTW算法可以得到这个对应关系。

DTW算法基于动态规划，是将两个在时间上具有相关性、但在时间轴上存在错位、偏移的序列在时间轴上进行调整，使相应的采样点能够在时间轴上进行对应。这里用于地理位置维度上的规整，由于在列车运行过程中，列车是沿一条线路往前运行，不会后退，因此地理位置与时间存在对应关系，地理位置的规整与时间的规整是一样的。

假设当前网关节点B处于t₀时刻，窗口长度为w，设t₁＝t₀-w，要将[t₁，t₀]时间段内的采样点与网关节点A上[t₁’，t₀’]的采样点之间取得对应关系。记[t₁，t₀]为序列M，[t₁’,t₀’]为序列N，序列M、N的长度分别为m、n。

DTW的算法过程为：

首先计算序列M中的每个元素到序列N中每个元素的距离，使用欧式距离公式，如公式（1）所示，结果记录于D_m×n的矩阵中；

d_i，j=(m_i-n_j)²            （1）

公式（1）中，m_i是序列M中第i个元素，n_j是序列M中第j个采样点元素，d_i，j是m_i到n_j的距离。

然后构建一个累计距离矩阵Γ_m×n，对于累计距离矩阵Γ_m×n中下标为（i，j）的元素，表示从矩阵D_m×n中（1，1）位置到（i，j）位置的最短累计距离。

通过DTW算法，最终得到（1，1）到（m，n）的最短累计距离。则从(1，1)到(m，n)的最短累计距离就是所求的序列M与序列N的对应关系。

步骤103，根据本网关节点与信号强度信息的来源网关节点的多个采样信号强度的关系获得本网关节点与信号强度信息的来源网关节点的信号强度的线性关系；

当得到序列M与序列N之间的对应关系时，步骤103要做的是得到两条曲线对应位置处的信号强度的关系。多元线性回归一般用于得出一组自变量和因变量之间的近似线性关系，可以应用于本问题（即得到两条曲线对应位置处的信号强度的关系）的场景。多元线性回归采用最小二乘法进行线性拟合，线性关系公式如公式（2）所示：

y=X·β+ε                （2）

公式（2）中，X为信号强度信息的来源网关节点的历史路段数据，y为本网关节点的历史路段数据，X与y均采样步骤102得到的地理位置校准后的信号强度值。目标为得到β和ε，其中β称为线性系数，ε称为残差。

步骤104，根据步骤103获得的线性关系，对本网关节点前方路段的信号强度进行预测。

当得到β和ε后，步骤104为预测，所使用公式仍为公式（2），不同的是X为信号强度信息的来源网关节点的对应于t₀’后的采样数据，y为所求的预测信号强度。

下面举例来对本发明的信号强度预测方法作进一步说明：

位于列车前面的网关节点周期性的采样信号强度信息（如1HZ），并将采集到的信号强度信息发送给后面网关节点，该后面网关节点接收前面网关的采样信号强度信息和对应的基站信息，并记录与自己的存储区内。

后面网关节点判断自己是否正处于基站切换过程，如果正在进行基站切换，则寻找前面网关节点的相对应的基站切换位置点，并将此位置点作为后面网关节点当前位置的对应点；若没有处于切换过程或未找到对应的切换位置点，则将上一个对应位置点进行前移操作，基站切换的判断依据是基站号的变换，即当前时刻的基站号与前面时刻的基站号不同看做是一次切换。在火车运行过程中一次基站切换的时间间隔为10秒至30秒，取决于基站部署密度和火车的运行速度；

当确定了后面网关节点当前位置的对应点后，即分开了历史路段数据和未来路段数据，这时将利用历史路段数据进行信号强度关系的确定，信号强度关系的确定分为两步，首先利用DTW算法，对历史路段数据各个采样点进行对准，输入为历史窗口（即前述的滑动窗口）大小、后面网关节点当前信号强度值和索引、前面网关节点的与当前值及历史窗口对应的索引与信号强度值。利用DTW算法，可得出两条（甚至多条）历史路段数据曲线的对应关系，具体做法已在前面描述。

将取得的对应关系作为输入，利用多元线性回归可取得信号强度幅值的线性系数。对应线性回归算法有很多成熟的工具箱可以使用，可以通过调用这些工具得到线性系数和残差。

最后将分离开的未来路段数据带入线性关系则可预测到未来信号强度的变化。

本发明的信号强度预测方法可以有效的提高预测信号与实际信号的相关性ρ，并有效减少了预测信号与实际信号的平均绝对相对误差ω。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种信号强度预测方法，应用于货运列车上网关节点的信号强度预测，其特征在于，包括：

确定本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的对应位置，所述信号强度采样序列上处于该对应位置之前的数据为历史路段数据，处于该对应位置之后的数据为未来路段数据，本网关节点即为所述信号强度信息的接收网关节点；

对本网关节点与所述信号强度信息的来源网关节点的信号强度历史路段数据在地理位置上进行校准；

获得本网关节点与所述信号强度信息的来源网关节点的信号强度采样数据的线性关系；

根据所述线性关系，对本网关节点前方路段的信号强度进行预测。

2.根据权利要求1所述的信号强度预测方法，其特征在于，所述确定本网关节点的当前位置在信号强度信息的来源网关节点的信号强度采样序列上的对应位置包括：

本网关节点判断自己是否正处于基站切换过程，若是则寻找所述信号强度信息的来源网关节点的相对应的基站切换位置点，并将此基站切换位置点作为本网关节点当前位置的对应点，否则将上一个对应位置点进行前移操作，其中，基站切换的判断依据是基站号的变换，即当前时刻的基站号与前面时刻的基站号不同看做是一次基站切换。

3.根据权利要求1所述的信号强度预测方法，其特征在于，所述对本网关节点与所述信号强度信息的来源网关节点的信号强度历史路段数据在地理位置上进行校准包括：

记本网关节点的信号强度历史路段数据所处的时间序列为M，所述信号强度信息的来源网关节点的信号强度历史路段数据所处的时间序列为N，序列M长、N的长度分别为m、n；

首先按照如下公式计算序列M中的每个元素到序列N中每个元素的距离，结果记录于矩阵D_m×n中；

d_i，j=(m_i-n_j)²

上式中，m_i是序列M中第i个元素，n_j是序列M中第j个采样点元素，d_i，j是m_i到n_j的距离。

然后构建累计距离矩阵Γ_m×n，累计距离矩阵Γ_m×n中下标为（i，j）的元素为从矩阵D_m×n中（1，1）位置到（i，j）位置的最短累计距离，根据矩阵Γ_m×n即可得出序列M和序列N中元素的对应关系。

4.根据权利要求1所述的信号强度预测方法，其特征在于，所述获得本网关节点与所述信号强度信息的来源网关节点的信号强度采样数据的线性关系包括：

采用最小二乘法进行对校准后本网关节点与所述信号强度信息的来源网关节点的信号强度历史采样数据按照下面公式进行线性拟合，

y=X·β+ε

其中，X为信号强度信息的来源网关节点的历史路段数据，y为本网关节点的历史路段数据，X与y均为进行地理位置校准后的信号强度值，β为线性系数，ε为残差。

5.根据权利要求1所述的信号强度预测方法，其特征在于，所述根据所述线性关系，对本网关节点前方路段的信号强度进行预测包括：

所述线性关系为y＝X·β+ε，将所述未来路段数据作为公式y＝X·β+ε中的自变量X，则因变量y即为本网关节点前方路段的预测信号强度。

Images